Muitos modelos de Machine Learning morrem no protótipo. Neste episódio, mergulhamos no Livro Completo de MLOps da Databricks, que ensina como levar modelos para produção de forma escalável, rastreável e confiável.

Falamos sobre MLflow, Delta Lake, LLMOps, e todos os elementos de uma arquitetura robusta: desde a ingestão de dados até o monitoramento contínuo dos modelos. Também discutimos os desafios únicos com LLMs, como o alto custo de inferência e a necessidade de feedback humano.

Se você quer transformar experimentos em soluções reais de IA — e entender como grandes empresas fazem isso — este episódio é pra você.

Think Big, Think Data. Um podcast sobre dados.

Siga nossa página no ⁠LinkedIn